Kako pripraviti podatke v podjetju, preden uvedete AI (praktični vodič)

Uvod: brez urejenih podatkov AI ne bo delovala, kot pričakujete

Če se podatki valjajo po razpršenih Excel tabelah, PDF-jih, e‑pošti in glavah sodelavcev, umetna inteligenca in avtomatizacija ne moreta narediti prave razlike. Priprava podatkov pomeni, da točno veste, kje so ključne informacije, v kakšni obliki jih hranite in ali jim sploh lahko verjamete. Šele takrat ima smisel razmišljati o AI agentih, avtomatizaciji in naprednih analizah.

Korake lahko naredite sami, brez posebnega tehničnega znanja, če dobro poznate svoje procese in dokumente. AI tehnologijo in razvoj rešitev vam kasneje pomaga spraviti v življenje zunanji partner, vaša naloga pa je, da pripravite teren.

---

1. Najprej določite konkreten cilj: zakaj sploh urejate podatke

Najprej si razjasnite, za kateri poslovni izziv želite uporabiti AI. Od tega je odvisno, katere podatke ima sploh smisel urejati in katere lahko za zdaj mirno pustite pri miru.

Tipični cilji v slovenskih podjetjih:

• zmanjšati število ponavljajočih se vprašanj na podpori,
• skrajšati čas priprave ponudb,
• bolje slediti prodajnim priložnostim,
• avtomatizirati osnovne administrativne naloge (naročila, opomniki, osnovno poročanje).

Izberite en glavni cilj, na primer:

• »Želimo, da AI agent odgovarja na 80 % ponavljajočih se vprašanj strank.«
• »Želimo, da sodelavci v prodaji v nekaj sekundah najdejo vse podatke o stranki in preteklih ponudbah.«

Ko je cilj zapisan, si iskreno odgovorite na dve vprašanji:

1. Kateri proces želimo izboljšati (podpora, prodaja, nabava, projekti …)?
2. Katero odločitev bo AI ali avtomatizacija olajšala (odgovor na vprašanje, priprava dokumenta, razpored dela …)?

Zapišite si to na eno stran A4 in dokument spravite na mesto, kjer ga vsi vključeni hitro najdejo. Služi kot referenca, ko boste v nadaljevanju izbirali, katere podatke urejati najprej, da se ne ujamete v past pospravljanja vsega brez konkretnega rezultata.

Če se pri izbiri cilja lomite med več možnostmi ali niste prepričani, kje je največji potencial, lahko za postavitev prioritet izkoristite brezplačen posvet o uvedbi AI v vaše procese.

---

2. Popis vseh virov podatkov: naredite zemljevid, ne muzeja

Ko je cilj jasen, potrebujete pregled nad tem, kje sploh živijo podatki, ki jih boste potrebovali. Ne komplicirajte z debelimi dokumenti in taksonomijami, dovolj je ena preglednica, ki jo znajo brati vsi v ekipi.

Za izbran proces (na primer podpora ali prodaja) si postavite vprašanje: Kje danes hranimo informacije, ki jih pri tem delu nujno potrebujemo? V praksi se pri slovenskih podjetjih znova in znova pojavljajo isti viri:

• e‑pošta (naslovi, kot so podpora@, info@),
• Excel tabele na skupnem disku ali SharePointu,
• CRM ali ERP sistem, če ga uporabljate,
• spletna stran in baza pogosto zastavljenih vprašanj,
• navodila v Wordu ali PDF‑ju (interni pravilniki, postopki),
• zapiski v sistemih za naloge (Asana, Jira, Trello in podobni),
• fizične mape, fascikli in zvezki.

V preglednico dodajte naslednje stolpce:

• Lokacija (na primer »\Server\Podpora\Navodila« ali »SharePoint\Prodaja\Ponudbe«),
• Vrsta vsebine (ponudbe, pogodbe, reklamacije, FAQ in drugo),
• Lastnik ali odgovorna oseba,
• Pogostost posodabljanja (dnevno, tedensko, ad hoc),
• Pomembnost za izbrani cilj (visoka, srednja ali nizka).

Pomembno je, da dobite delujoč zemljevid, ne muzeja zgodovine. V tej fazi še ničesar ne čistite in ne preurejate, ampak samo popišete, kaj imate. Ko boste z AI partnerjem načrtovali agenta, prilagojeno aplikacijo ali drugo rešitev, mu bo takšen pregled omogočil, da se v vašem okolju hitro znajde in da se ne izgublja čas z ugibanjem, kje kaj je.

---

3. Osnovna “podatkovna higiena”: prečistite, preden karkoli avtomatizirate

Zemljevid vam pove, s čim imate opravka, naslednji korak pa je minimalno čiščenje. Ne lovite popolnosti, potrebujete toliko reda, da lahko AI na te informacije razumno nasloni svoje odgovore.

Osredotočite se na področja z visoko pomembnostjo za izbrani cilj. Če urejate podporo strankam, to navadno pomeni:

• odgovore na pogosta vprašanja,
• navodila za uporabo produktov ali storitev,
• cenike in pogoje poslovanja.

V izbranih mapah in datotekah naredite nekaj osnovnih potez:

1. Odstranite očitne podvojene datoteke, na primer stare osnutke in kopije z imeni »končno«, »zadnje« in podobno. Pustite eno verzijo v mapi, ki jo jasno označite kot »Aktualno«.
2. Ključne datoteke preimenujte v razumljiva imena, na primer »Navodila_za_reklamacije_aktualno.docx« namesto »Navodila_novo_v2_final.docx«.
3. Zastarele dokumente, ki jih ne smete več uporabljati, jasno označite, na primer z dodatkom v imenu mape »_ARHIV – neuporabno«.
4. Na nekaj vzorčnih primerih preverite točnost, recimo na 10 naključno izbranih vrsticah v Excelu: ali manjkajo ključna polja, ali so e‑poštni naslovi pravilno zapisani, ali se datumi ujemajo z dejanskim potekom dogodkov.

Pri manjših in srednje velikih podjetjih se pogosto pokaže, da lahko v enem dnevu interno odstranite desetine odvečnih datotek in največje nedoslednosti. To pozneje bistveno olajša povezavo z AI orodji. Postavite si realen prag: podatke uredite do točke, ko jih brez zadrege uporabljate interno in veste, kje še niso idealni.

---

4. Standardizirajte nekaj osnovnih pravil: format, poimenovanje, lokacija

AI rešitve in avtomatizacija najbolje delujejo, ko v podatkih prepoznajo ponavljajoče se vzorce. Ne potrebujete kompleksnih modelov, veliko naredite že z nekaj jasnimi dogovori, kako shranjujete in poimenujete stvari.

Za izbran proces si določite tri do pet preprostih pravil.

1. Poimenovanje datotek
   Takoj je jasno, kaj je kaj, na primer:

   • »Ponudbe_[ime stranke]_[datum v obliki LLLLMMDD].pdf«,
   • »Reklamacija_[številka primera].docx«.

2. Struktura map
   Uporabite logiko, ki je blizu vsakdanjemu delu:

   • ena glavna mapa za aktivne primere,
   • ena mapa za arhiv,
   • interna navodila vedno v mapi »Navodila_aktualno«.

3. Minimalni nabor obveznih polj
   Dogovorite se, brez katerih podatkov ne gre:

   • pri ponudbah: kontakt, e‑pošta, telefon, izvor povpraševanja,
   • pri podpori: datum, kanal (telefon, e‑pošta, chat), tema težave.

4. Format datotek
   Razmišljajte, kaj bo AI najlažje brala:

   • dolgoročno pomembne dokumente shranjujete v formatih, ki jih sistemi dobro razumejo, na primer PDF, strukturirane Excel tabele ali zapise v CRM,
   • slikovni posnetki zaslona naj bodo le priloga, ne pa edini vir informacij.

V trgovskem podjetju, ki prejema naročila prek e‑pošte, že poenotena struktura zadev (subject) in telesa e‑pošte omogoči, da kasneje AI ali avtomatizacija brez težav prepozna ključne elemente naročila in jih prenese naprej v sistem.

Nova pravila zberite na eni strani in jih delite z ekipo, po možnosti tudi na kratkem sestanku. Cilj ni dodatna birokracija, ampak dogovor, da vsak po novem shranjuje in poimenuje na enak način. Šele takšna doslednost omogoča zanesljivo povezavo z AI rešitvami.

---

5. Izberite en konkreten primer uporabe AI in nanj zgradite podatkovni tok

Ko imate cilj, zemljevid virov, osnovno higieno in preprosta pravila, je čas, da se osredotočite na en konkreten primer uporabe umetne inteligence. Bolje je imeti en pilotni projekt, ki deluje in prinese učinek, kot deset idej na papirju.

Za slovenska podjetja so zelo praktični:

• AI podpora strankam, kjer agent odgovarja na tipična vprašanja o dobavnih rokih, pogojih vračila in osnovnih tehničnih specifikacijah,
• AI klicni agent, ki sprejema klice, preverja zalogo ali proste termine, zapiše sporočilo in ga posreduje naprej,
• AI pomočnik za pripravo ponudb, ki na podlagi preteklih ponudb in cenika predlaga osnutek nove.

Za izbrani primer naredite preprost podatkovni tok.

1. Vhod
   Opredelite, od kod pride vprašanje ali zahteva:

   • e‑pošta,
   • telefon,
   • spletni obrazec,
   • chat na spletni strani.

2. Kje so odgovori
   Zapišite, katere dokumente in tabele mora AI poznati:

   • FAQ,
   • navodila,
   • cenik,
   • pogodbeni pogoji.

3. Izhod
   Določite, kam gre rezultat:

   • odgovor stranki,
   • opomba v CRM,
   • obvestilo ekipi.

Na enem listu ali v enostavnem dokumentu narišite diagram ali pripravite tabelo s tremi stolpci: vhod, obdelava, izhod. To je osnova, s katero vam partner, kot je UMIQ, lahko hitro predlaga primerno kombinacijo AI podpornega agenta, AI klicnega agenta ali prilagojene AI rešitve.

Če želite videti, kako podobne stvari delujejo pri drugih, lahko pobrskate po primerih uporabe AI v praksi in preverite, s katerimi tipi podatkov se srečujejo podjetja, ki so vam po strukturi ali panogi blizu.

---

6. Vloga zunanjega partnerja: kdaj vključiti strokovnjake za AI

Veliko priprav lahko opravite sami: popis virov, najbolj nujno čiščenje in osnovna pravila. Ob neki točki pa se odprejo vprašanja, kjer je smiselno vključiti ljudi, ki se vsak dan ukvarjajo z umetno inteligenco.

Tu gre med drugim za:

• izbiro prave AI tehnologije za vaše podatke in procese,
• načrtovanje arhitekture, torej kje kaj teče in kaj ostane pri vas,
• ureditev varnosti in pravic dostopa,
• povezovanje med sistemi, kot so CRM, ERP, spletna stran in e‑pošta.

Agencije, kot je UMIQ, lahko v ozadju uredijo več sklopov dela:

• analizo podatkov z vidika AI svetovanja, torej kaj je dovolj dobro za avtomatizacijo in kaj naj ostane v rokah ljudi,
• razvoj prilagojenih AI aplikacij, ki se povežejo z vašimi obstoječimi sistemi,
• uvedbo AI podpore strankam ali AI klicnih agentov, ki pri odgovarjanju uporabljajo vaše urejene podatke,
• postavitev nadzornih plošč ali poročil, ki pokažejo, kako se podatki in novi AI procesi dejansko uporabljajo v praksi.

Pred sodelovanjem je dobro razumeti, kako partner dela. Pomagal vam bo kratek pregled, kako pri UMIQ poteka uvajanje AI rešitev, da boste vedeli, v katerih fazah sodelujete vi in kje prevzamejo vajeti zunanji strokovnjaki.

Če razmišljate o testni uvedbi enega primera uporabe v naslednjih mesecih, se vam splača že zdaj začeti z zgornjimi koraki in nato skupaj s partnerjem izbrati, na katerih nalogah bo zunanja ekipa naredila največjo razliko.

---

7. Najpogostejše napake pri pripravi podatkov za AI (in kako se jim izogniti)

Pri delu s podjetji se zelo hitro pokaže, kje se stvari zataknejo. Napake so pogosto iste in se jim z malo previdnosti lahko izognete.

1. Urejanje vsega naenkrat
   Poskus »pospraviti celo zgodovino« se skoraj vedno konča z več meseci dela in brez konkretne AI rešitve. Veliko bolj smiselno je izbrati en proces, recimo podporo, ter tam narediti red, ki je dovolj dober za prvi pilot.

2. Perfekcionizem pri higieni podatkov
   Ekipa želi, da so podatki povsem brez napak, preden karkoli avtomatizira. V praksi zadostuje, da ne vsebujejo očitnih nesmislov in da imate razjasnjeno, kje so slabosti. AI rešitve lahko potem prilagajate in izboljšujete po korakih.

3. Nihče ne prevzame lastništva nad podatki
   Če ni jasno, kdo skrbi za pravila poimenovanja in shranjevanja, se stvari vrnejo v stari kaos. Vsaj za ključne mape in tabele določite skrbnika, ki enkrat na mesec pregleda stanje in opozori na zdrse.

4. Varnost in dostopi ostanejo po strani
   V želji po poenostavitvi podjetja včasih v en sistem ali mapo zmečejo vse, vključno z občutljivimi osebnimi ali finančnimi podatki, brez jasnih pravic dostopa. Preden podatke povežete z AI, premislite, kateri so sploh nujni za delovanje rešitve in kdo mora imeti do njih dostop.

5. Pričakovanje, da bo AI sama uredila zmedo
   Umetna inteligenca blesti pri delu z urejenimi informacijami, ni pa čarobna metla za deset let neorganiziranih map. Minimalno čiščenje in osnovna struktura sta nujna, tudi če ciljate le na enostavno avtomatizacijo.

Če želite preveriti, ali so vaši podatki že dovolj pripravljeni za konkretno rešitev, na primer AI agenta za podporo, se lahko oglasite prek kontaktnega obrazca za vprašanja o vaših podatkih. Kratek pogovor pogosto razjasni, kje trenutno ste in kaj se vam najbolj splača narediti v naslednjih nekaj tednih.

---

Zaključek: majhni koraki, jasen cilj

Priprava podatkov za uvedbo AI se sliši kot velik in tehnično zahteven projekt, v praksi pa jo lahko razbijete na obvladljive korake: jasen poslovni cilj, popis virov podatkov, osnovno čiščenje in nekaj enostavnih pravil za poimenovanje in shranjevanje. Če na tej osnovi izberete en konkreten primer uporabe, lahko v razmeroma kratkem času preverite, kako vam umetna inteligenca pomaga pri vsakodnevnem delu.

Ključno je, da ne čakate, da bo vse popolno. Dovolj je, da podatke spravite do točke, ko jih razumete in jim lahko v osnovi zaupate. Od tam naprej lahko skupaj z zunanjim partnerjem, kot je UMIQ, izberete, katera kombinacija prilagojenega razvoja, AI podpore strankam ali AI klicnih agentov je za vaš primer najbolj smiselna.

Če želite, da skupaj pogledamo vaš trenutni »podatkovni kaos« in pripravimo konkreten predlog prvih treh korakov, lahko rezervirate brezplačen posvet o uvedbi AI v vaše procese.

---

Pogosta vprašanja

Kako vem, ali so naši podatki dovolj dobro pripravljeni za prvi AI projekt?

Preverite tri stvari. Prvič, za izbran proces približno veste, kje so ključne informacije in kdo jih vzdržuje. Drugič, v podatkih ni očitnih napak ali podvajanj, zaradi katerih bi bilo pred stranko nerodno. In tretjič, imate vsaj osnovna pravila poimenovanja datotek in shranjevanja. Če vse troje drži, ste navadno dovolj daleč za manjši pilotni projekt z AI.

Ali moramo imeti CRM ali ERP sistem, preden uvedemo AI?

Ni nujno. CRM ali ERP močno pomaga pri strukturiranju podatkov, ni pa predpogoj za vsako AI rešitev. Veliko prvih primerov uporabe, na primer AI podpora strankam na osnovi obstoječih navodil in FAQ, je mogoče postaviti na urejenih dokumentih, tabelah in internih zbirkah vprašanj. Vseeno je smiselno razmišljati, kako boste podatke dolgoročno centralizirali, da boste lahko kasneje gradili bolj napredne rešitve.

Koliko zgodovinskih podatkov moramo očistiti?

Za začetek običajno zadošča, da dobro uredite zadnje eno do dve leti podatkov, ki so za izbrani proces ključni. Po zelo starih in redko uporabljenih zapisih se ni treba takoj pretirano ukvarjati. Najprej poskrbite za kakovost na delu, kjer danes sprejemate največ poslovnih odločitev in kjer nastaja največ novi informacij.

Kako vključiti zaposlene, da bodo upoštevali nova pravila pri podatkih?

Zaposlenim pokažite, kakšno korist imajo od novih pravil, recimo hitrejše iskanje dokumentov in manj podvajanja dela. Pravila naj bodo kratka in konkretna, raje ena stran kot dolg pravilnik. Dobro je, da določite skrbnike za ključna področja in enkrat mesečno naredite kratek interni pregled. To naj bo priložnost, da skupaj prilagodite pravila, če v praksi ne delujejo, ne pa birokratski nadzor.

Kdaj je pravi trenutek, da se obrnemo na zunanjega partnerja, kot je UMIQ?

Najboljši trenutek je, ko imate vsaj okvirno definiran cilj, torej kaj želite z AI izboljšati, in grob popis virov podatkov. Takrat vam partner lahko pomaga pri prioritetah, tehnološki izbiri in pri tem, da ne izgubljate časa z urejanjem informacij, ki za prvi projekt niso pomembne. Če še cilj ni povsem jasen, lahko tudi to najprej razčistite na kratkem posvetu.